CN106254723B - 一种实时监测视频噪声干扰的方法 - Google Patents
一种实时监测视频噪声干扰的方法 Download PDFInfo
- Publication number
- CN106254723B CN106254723B CN201610595789.9A CN201610595789A CN106254723B CN 106254723 B CN106254723 B CN 106254723B CN 201610595789 A CN201610595789 A CN 201610595789A CN 106254723 B CN106254723 B CN 106254723B
- Authority
- CN
- China
- Prior art keywords
- noise
- pixel
- image
- value
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 title claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006854 communication Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
- H04N5/213—Circuitry for suppressing or minimising impulsive noise
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种实时监测视频噪声干扰的方法,包括以下步骤:(1)输入图像;(2)将输入的图像进行分块处理;(3)计算分块后的图像的八方向算子卷积绝对值的最小值N;(4)根据N值判断该图像是否为疑似噪声点;(5)通过多尺度噪声判断的方法进一步判断像素点是否存在噪声点;(6)输出噪声点并结束。本发明提供了一种实时监测视频噪声干扰的方法,采用卷积算子和多尺度算子相结合的方法来进行图像噪声检测,使得噪声检测更有针对性,能够更好的检测出脉冲噪声、高斯噪声和白噪声,大大提高了对视频中噪声检测的效果与效率。
Description
技术领域
本发明属于视频噪声检测领域,具体是指一种实时监测视频噪声干扰的方法。
背景技术
在图像信号的一系列处理中,无论是图像信号的采集、转换、存储、传输或者其它的处理方式,都避免不了受到各类噪声的干扰。一方面,噪声导致人眼视觉***对图像的视觉质量的感受变差;另一方面,噪声还会降低后续图像处理算法(图像分割、压缩、特征提取、检测识别等)的效果;严重的噪声污染甚至会使得某些图像处理算法完全失效或者失去原来的意义。
图像中的微量噪声在视觉上的影响还不明显,然而这些微量噪声却足以大大降低图像压缩的效率。另外,对于数字图像的传输通信过程而言,噪声带来的恶劣影响则更为严重,尤其是在通信***前端引入的噪声,其功率会被后续***逐步放大,使得后续模块接收到的图像中的噪声密度非常大,以至于人眼都很难识别图像本身的内容。因此,对于视频监控***而言,及时检测到视频图像中出现的噪声,是有着重要意义的。
从信号处理的角度来讲,噪声可以分为白噪声,低频噪声,高频噪声和单频噪声等。按照概率密度函数模型又可以分为高斯噪声、脉冲噪声(椒盐噪声)、瑞利噪声、伽马噪声、指数噪声、均匀分布噪声等。根据实际工程测试发现,视频监控图像中出现脉冲噪声、高斯噪声和白噪声的概率较大,出现其它噪声的概率相对小很多。所以,现如今需要一种方法来完成对视频监控图像中出现的脉冲噪声、高斯噪声和白噪声进行检测。
本发明重点主要涉及一种采用卷积算子和多尺度算子相结合的方法来进行图像噪声检测。
发明内容
本发明的目的在于克服上述问题,提供了一种实时监测视频噪声干扰的方法,采用卷积算子和多尺度算子相结合的方法来进行图像噪声检测,使得噪声检测更有针对性,能够更好的检测出脉冲噪声、高斯噪声和白噪声,大大提高了对视频中噪声检测的效果与效率。
本发明的目的通过下述技术方案实现:
一种实时监测视频噪声干扰的方法,包括以下步骤:
(1)输入图像;
(2)将输入的图像进行分块处理;
(3)计算分块后的图像的八方向算子卷积绝对值的最小值N;
(4)根据N值判断该图像是否为疑似噪声点,若不是疑似噪声点则为正常图像像素点,若是疑似噪声点则进入步骤(5);
(5)通过多尺度噪声判断的方法进一步判断像素点是否存在噪声点,若不存在则为正常像素点,若存在噪声点则进入步骤(6);
(6)输出噪声点并结束。
步骤(3)是通过采用八个方向算子来粗略检测图像中是否存在噪声点;其中,将中心像素点取值为8,将过中心像素点的横向或竖向的除中心像素点以外的八个像素点或以中心像素点为起点以左上、左下、右上、右下的任意两个端点像素点为终点的除中心像素点以外的八个像素点取值为-1,并将除了取值为8和取值为-1的像素点以外的其他像素点取值为0;八个方向算子对应着不同的边缘方向,为了方便描述,将这八个方向算子的标示为Ki,i=1,2,……,8;
设待检测数字图像X的大小为M×N,其中像素点(x,y)处的像素值为fxy,以点(x,y)为中心的9x9检测窗口内所有像素灰度值构成集合W为:
W={fx+s,y+t丨-4≤s≤4,-4≤t≤4,(x,y)∈X},
W与上述的八个方向算子做卷积,取八个卷积绝对值的最小值,作为该像素点的输出值N(x,y),即:
N(x,y)=min(N1(x,y),N2(x,y),……,N8(x,y)),(1)
其中,Ni(x,y)=fxy*Ki,i=1,2,……,8,标示方向核Ki与(x,y)为中心的9×9原图像像素的卷积。
在步骤(4)中首先给出一个经验阀值T,将步骤(3)中的像素点的输出值N与给定的经验阀值T做比较,像素点的输出值N大于给定的经验阈值T时,即可将该像素点(x,y)划分为疑似噪声点,并进入后续的步骤(5);否则,认定该像素点(x,y)为正常的图像像素点。
步骤(5)中首先在上述八方向检测算子的9×9局部区域内,即以点(x,y)为中心的9x9检测窗口内,取8×8的子图开始,按照8×8,4×4,2×2,1×1的尺度依次分解,直到子图中的脉冲噪声数量小于等于2为止,当前子图中是否存在脉冲噪声,是通过将当前子图中所有像素点的像素值跟子图的平均像素值做比较来判断的;
判断子图中的像素点(x,y)是否是脉冲噪声的依据是:
其中,
为大小为P×Q的子图的平均像素值,其公式为:
f(i,j)代表图像中像素点(i,j)处的像素值,
σ为子图的标准方差,其计算公式为:
本发明与现有技术相比,具有以下优点及有益效果:
本发明的方法采用卷积算子和多尺度算子相结合的方法来进行图像噪声检测,大大提高了噪声检测的针对性,使得其中的脉冲噪声、高斯噪声和白噪声能够被更加快捷与准确的被检测出来,大大提高了对视频图像中噪声检测的效果与效率,降低了视频图像的检测成本。
附图说明
图1为本发明的流程图。
图2为本发明的八个方向算子的示意图。
图3为本发明的多尺度噪声判断的示意图。
具体实施方式
下面结合实施例对本发明作进一步的详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,一种实时监测视频噪声干扰的方法,包括以下步骤:
(1)输入图像。
(2)将输入的图像进行分块处理;
根据图像的大小与行业内的公知常识,将图像横向分为10等分,或15等分,或20等分等;纵向做相同处理,从而形成分块。
(3)计算分块后的图像的八方向算子卷积绝对值的最小值N;
步骤(3)是通过采用八个方向算子来粗略检测图像中是否存在噪声点;
如图2所示,其中,将中心黑色像素点取值为8,灰色像素点取值为-1,白色像素点取值为0;八个方向算子对应着不同的边缘方向,为了方便描述,将这八个方向算子的标示为Ki,i=1,2,……,8;
设待检测数字图像X的大小为M×N,其中像素点(x,y)处的像素值为fxy,以点(x,y)为中心的9x9检测窗口内所有像素灰度值构成集合W为:
W={fx+s,y+t丨-4≤s≤4,-4≤t≤4,(x,y)∈X},
s和t的取值范围为-4到+4,那么,x+s,y+t就是以像素点(x,y)为中心的9x9局部区域;
W与上述的八个方向算子做卷积,取八个卷积绝对值的最小值,作为该像素点的输出值N(x,y),即:
N(x,y)=min(N1(x,y),N2(x,y),……,N8(x,y)),(1)
其中,Ni(x,y)=fxy*Ki,i=1,2,……,8,标示方向核Ki与(x,y)为中心的9×9原图像像素的卷积。
公式(1)之所以能用于检测像素点(x,y)是否为噪声点,主要原因如下:如果(x,y)是局部平滑区域中的图像像素点,那么这八个卷积的值都应该很小,且基本接近于0,因此N(x,y)的取值也会非常小;如果(x,y)是某个边缘上的像素点,那么它与这条边缘方向的卷积会很小,因此,N(x,y)的取值同样很小;但如果(x,y)是一个噪声点,则它与八个方向核的卷积值都会很大,因此N(x,y)的取值也会很大。
(4)根据N值判断该图像是否为疑似噪声点,若不是疑似噪声点则为正常图像像素点,若是疑似噪声点则进入步骤(5);
在步骤(4)中首先给出一个经验阀值T,将步骤(3)中的像素点的输出值N与给定的经验阀值T做比较,像素点的输出值N大于给定的经验阈值T时,即可将该像素点(x,y)划分为疑似噪声点,并进入后续的步骤(5);否则,认定该像素点(x,y)为正常的图像像素点。此处的经验阈值T,是经过大量的实际测试得到的,属于行业内的公知常识。
考虑到对一幅实际受到噪声污染的图像来说,虽然利用上述方法可以大致判断是否有某些像素点是否存在噪声干扰,但这种判断比较粗略,因此,有必要利用多尺度噪声判断方法来进一步进行判断,以便准确的得到某个区域是否存在噪声的判断。
(5)通过多尺度噪声判断的方法进一步判断像素点是否存在噪声点,若不存在则为正常像素点,若存在噪声点则进入步骤(6);
首先在上述八方向检测算子的9×9局部区域内,即以点(x,y)为中心的9x9检测窗口内,取8×8的子图开始,按照8×8,4×4,2×2,1×1的尺度依次分解,直到子图中的脉冲噪声数量小于等于2为止,当前子图中是否存在脉冲噪声,是通过将当前子图中所有像素点的像素值跟子图的平均像素值做比较来判断的;
图3中就是一个8×8子图的自适应分解过程示意图,图中最左边的数字代表当前的检测尺度,节点里面的数字代表子图编号,节点右边的N代表当前子图中的脉冲噪声数,虚线节点代表需要继续分解的子图,实线节点代表不需要再分解的子图。
判断子图中的像素点(x,y)是否是脉冲噪声的依据是:
其中,
为大小为P×Q的子图的平均像素值,其公式为:
f(i,j)代表图像中像素点(i,j)处的像素值,
σ为子图的标准方差,其计算公式为:
(6)输出噪声点并结束。
如上所述,便可很好的实现本发明。
Claims (3)
1.一种实时监测视频噪声干扰的方法,其特征在于:包括以下步骤:
(1)输入图像;
(2)将输入的图像进行分块处理;
(3)计算分块后的图像的八方向算子卷积绝对值的最小值N;
通过采用八个方向算子来粗略检测图像中是否存在噪声点;其中,将中心像素点取值为8,将过中心像素点的横向或竖向的除中心像素点以外的八个像素点或以中心像素点为起点以左上、左下、右上、右下的四个端点像素点中的任意两个端点像素点为终点的除中心像素点以外的八个像素点取值为-1,并将除了取值为8和取值为-1的像素点以外的其他像素点取值为0;八个方向算子对应着不同的边缘方向,为了方便描述,将这八个方向算子的标示为Ki,i=1,2,……,8;
设待检测数字图像X的大小为M×N,其中像素点(x,y)处的像素值为fxy,以点(x,y)为中心的9x9检测窗口内所有像素灰度值构成集合W为:
W={fx+s,y+t丨-4≤s≤4,-4≤t≤4,(x,y)∈X},
W与上述的八个方向算子做卷积,取八个卷积绝对值的最小值,作为该像素点的输出值N(x,y),即:
N(x,y)=min(N1(x,y),N2(x,y),……,N8(x,y)),(1)
其中,Ni(x,y)=fxy*Ki,i=1,2,……,8,标示方向核Ki与(x,y)为中心的9×9原图像像素的卷积;
(4)根据N值判断该图像是否为疑似噪声点,若不是疑似噪声点则为正常图像像素点,若是疑似噪声点则进入步骤(5);
(5)通过多尺度噪声判断的方法进一步判断像素点是否存在噪声点,若不存在则为正常像素点,若存在噪声点则进入步骤(6);
(6)输出噪声点并结束。
2.根据权利要求1所述的一种实时监测视频噪声干扰的方法,其特征在于:在步骤(4)中首先给出一个经验阀值T,将步骤(3)中的像素点的输出值N与给定的经验阀值T做比较,像素点的输出值N大于给定的经验阈值T时,即可将该像素点(x,y)划分为疑似噪声点,并进入后续的步骤(5);否则,认定该像素点(x,y)为正常的图像像素点。
3.根据权利要求2所述的一种实时监测视频噪声干扰的方法,其特征在于:步骤(5)中首先在上述八方向检测算子的9×9局部区域内,即以点(x,y)为中心的9x9检测窗口内,取8×8的子图开始,按照8×8,4×4,2×2,1×1的尺度依次分解,直到子图中的脉冲噪声数量小于等于2为止,当前子图中是否存在脉冲噪声,是通过将当前子图中所有像素点的像素值跟子图的平均像素值做比较来判断的;
判断子图中的像素点(x,y)是否是脉冲噪声的依据是:
其中,
为大小为P×Q的子图的平均像素值,其公式为:
f(i,j)代表图像中像素点(i,j)处的像素值,
σ为子图的标准方差,其计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610595789.9A CN106254723B (zh) | 2016-07-26 | 2016-07-26 | 一种实时监测视频噪声干扰的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610595789.9A CN106254723B (zh) | 2016-07-26 | 2016-07-26 | 一种实时监测视频噪声干扰的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106254723A CN106254723A (zh) | 2016-12-21 |
CN106254723B true CN106254723B (zh) | 2019-03-22 |
Family
ID=57603222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610595789.9A Active CN106254723B (zh) | 2016-07-26 | 2016-07-26 | 一种实时监测视频噪声干扰的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106254723B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110113509A (zh) * | 2018-02-01 | 2019-08-09 | 晨星半导体股份有限公司 | 应用于显示装置的电路及相关的信号处理方法 |
CN110108936A (zh) * | 2019-04-30 | 2019-08-09 | 西安西拓电气股份有限公司 | 信号处理方法及装置 |
CN114360453B (zh) * | 2021-12-09 | 2023-04-07 | 青岛信芯微电子科技股份有限公司 | 一种噪声去除方法、装置、显示设备、芯片及介质 |
CN115118934A (zh) * | 2022-06-28 | 2022-09-27 | 广州阿凡提电子科技有限公司 | 一种直播效果监控处理方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102957940A (zh) * | 2012-10-30 | 2013-03-06 | 武汉烽火众智数字技术有限责任公司 | 一种基于改进的四方向算子视频噪声检测方法 |
-
2016
- 2016-07-26 CN CN201610595789.9A patent/CN106254723B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102957940A (zh) * | 2012-10-30 | 2013-03-06 | 武汉烽火众智数字技术有限责任公司 | 一种基于改进的四方向算子视频噪声检测方法 |
Non-Patent Citations (3)
Title |
---|
"一种基于多尺度噪声检测的图像中值滤波器";张专成等;《计算机工程与应用》;20080514;第44卷(第7期);第2.1节 |
"基于噪声检测的图像去噪算法";金良海,李德华;《模式识别与人工智能》;20090819;第21卷(第3期);第2节 |
"基于图像噪声检测的Harris角点提取方法";钱成越;《电脑开发与应用》;20100910;第23卷(第8期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106254723A (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109870461B (zh) | 一种电子元器件质量检测*** | |
CN105513035B (zh) | 一种被动毫米波图像中人体隐匿物品的检测方法及其*** | |
US10068343B2 (en) | Method and apparatus for recognizing moving target | |
CN106254723B (zh) | 一种实时监测视频噪声干扰的方法 | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
CN115239704B (zh) | 一种木材表面缺陷的精准检测修复方法 | |
CN112419298B (zh) | 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质 | |
CN104486618A (zh) | 视频图像的噪声检测方法及装置 | |
JP2018506046A (ja) | タイヤ表面の欠陥を検出する方法 | |
CN103778609A (zh) | 基于像素连续性判断的二值化图像和灰度图像的高效去噪声法 | |
Wu et al. | A study on development of optimal noise filter algorithm for laser vision system in GMA welding | |
CN105069778A (zh) | 基于目标特征显著图构建的工业产品表面缺陷检测方法 | |
CN109460705A (zh) | 基于机器视觉的输油管道监控方法 | |
CN113971681A (zh) | 一种复杂环境下带式输送机边缘检测方法 | |
JP6432296B2 (ja) | 画像中のゼブラクロッシングの検出装置及び方法 | |
CN103996177A (zh) | 一种无参考检测消除雪花噪声算法 | |
CN110751667A (zh) | 基于人类视觉***的复杂背景下红外弱小目标检测方法 | |
CN104537632A (zh) | 基于边缘提取的红外图像直方图增强方法 | |
CN108122209B (zh) | 一种基于对抗生成网络的车牌去模糊方法 | |
CN113096103A (zh) | 一种面向放空火炬的烟气智能影像感知方法 | |
CN109558881B (zh) | 一种基于计算机视觉的危岩崩塌监控方法 | |
CN106375756A (zh) | 一种针对监控视频单一对象移除篡改的检测方法 | |
CN113066077B (zh) | 火焰检测方法及装置 | |
CN113963017A (zh) | 一种实时红外弱小目标检测方法、装置和计算机设备 | |
CN110798680B (zh) | 一种单帧无参考自适应的视频雪花噪声检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |